Hydratation de molécules de type pharmaceutique avec la théorie de la fonctionnelle de densité moléculaire et l'approche Monte-Carlo hybride à 4ème dimension

Hydration of drug-like molecules with molecular density functional theory and the hybrid-4th-dimension Monte Carlo approach

• Auteur / Autrice : Sohvi Luukkonen
• Direction : Daniel Borgis
• Type : Thèse de doctorat
• Discipline(s) : Chimie
• Date : Soutenance le 24/11/2020
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences chimiques : molécules, matériaux, instrumentation et biosystèmes
• Partenaire(s) de recherche : Laboratoire : Maison de la simulation (Gif-sur-Yvette , Essonne ; 2011-....)
• Partenaire(s) de recherche : référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Jury : Président / Présidente : Tâp Ha Duong
• Jury : Examinateurs / Examinatrices : Agílio Pádua, Francesca Ingrosso, Hélène Berthoumieux, Riccardo Spezia
• Jury : Rapporteurs / Rapporteuses : Agílio Pádua, Francesca Ingrosso

Mots clés

Mots clés contrôlés

Dissertation universitaire

Découverte de médicament

Médicaments

Mécanique statistique

Hydratation

Mots clés libres

Solvatation

Énergie libre d'hydratation

Médicaments

Mécanique statistique

Théorie des liquides

Solvation

Hydration free energy

Drugs

Statistical mechanics

Liquid state theory

Résumé

Le développement d’un médicament prend en moyenne plus de 10 ans pour un coût de 1 Mrd de dollars. Pour accélérer le processus et diminuer le coût, on utilise des méthodes in-silico lors de l’étape de découverte qui consiste à cribler ~10⁵ molécules de type médicament pour proposer quelques candidats à l’étape préclinique. Le critère majeur est l’affinité entre la molécule potentielle et la cible biologique. L’interaction se passant dans notre corps: cette affinité doit être prédite dans l’eau et le médicament doit être soluble dans l’eau pour avoir accès à la cible. Globalement, les effets de solvatation ont un rôle important dans la conception de médicaments. Numériquement, pour un champ de force donné, la solvatation peut être étudiée par des méthodes de simulation exactes mais coûteuses, par des modèles de continuum rapides mais qui ignorent la nature moléculaire du solvant, enfin par des théories des liquides approximatives mais capables de garder l’information moléculaire du solvant tout en diminuant le temps de calcul. L’objectif de cette thèse étant la prédiction des énergies libres d’hydratation (ELH) de molécules de type médicament par des méthodes qui soient les plus précises et plus rapides possibles, elle se concentre sur deux approches originales: Le Monte-Carlo hybride à 4ème dimension, une nouvelle méthode pour calculer les ELH selon le principe de Jarzynski à partir simulations courtes hors-équilibre pendant lesquelles on introduit ou retire le soluté doucement depuis le solvant avec un paramètre de couplage dépendant du temps. Nous montrons que cette approche est capable de prédire les ELH de molécules de type pharmaceutique 4-6 fois plus rapidement que l’approche classique de perturbation de l’énergie libre. La théorie de la fonctionnelle de densité moléculaire, une approche de théorie des liquides qui permet l’étude des propriétés de solvatation de n’importe quelle soluté rigide. Dans son état actuel, dans l’approximation hyper-netted-chain couplée à une correction de pression, nous montrons qu’elle est capable de prédire les ELH des mêmes molécules avec une précision de respectivement 0.5 ou 1.0 kcal/mol par rapport aux simulations ou aux données expérimentales, avec une accélération de calcul de l’ordre de 10³-10⁴ par rapport aux simulations. H4D-MC est considéré ici comme une source de références pour développer plus avant la MDFT, elle-même une méthode suffisamment rapide pour être envisagée dans un processus de criblage haut-débit.

The development of a drug takes on average over 10 yr. for a cost of 1B dollars. To speed up the process, and reduce its cost, in-silico methods are used at the drug discovery stage. It consists of screening ~10⁵ drug-like molecules to propose few candidates to the pre-clinical stages. The main criterion is the affinity between the potential drug molecule and biological target. As the interaction happens the body, these affinities need to be predicted in water and the molecule needs to be water-soluble to access the receptor. Overall, solvation properties play an important role in drug design. Numerically, for a given force-field, solvation can be studied either with exact but time-consuming simulation methods, fast continuum models that lose the molecular nature of the solvent, or approximate liquid state theories that keep the solvent molecular information while speeding-up the computation. In this thesis, we focus on the prediction of the hydration free energies (HFE) of drug-like molecules with methods that are as fast and precise as possible, and we concentrate on two original approaches: Hybrid-4th-dimension Monte Carlo, a novel method that computes the HFEs according to the Jarzynski principle from short non-equilibrium simulations in which the solute is inserted or removed from the solvent with a time-depending coupling parameter. This approach is shown to predict the HFEs of drug-like molecules 4-6 times faster than the classical free energy perturbation approach. Molecular density functional theory, a liquid-state-theory approach that allows the study of the equilibrium solvation properties of any rigid solute. In its current level, the hyper netted-chain approximation coupled with a pressure correction, it is shown to predict the HFEs of drug-like molecules within 0.5 and 1.0 kcal/mol of simulations and experimental data, respectively, for an average computational speed-up 10³-10⁴ with respect to simulations. H4D-MC is considered here as a source of reference data for MDFT developments. MDFT is itself fast enough to be foreseen in a high-throughput screening pipeline.